The Pulse
Prompt con connotazioni di genere rendono meno formale la scrittura dell’IA, rileva Johns Hopkins
I ricercatori di Johns Hopkins hanno scoperto che quattro sistemi di IA producono testi professionali più brevi, meno complessi e meno formali quando i prompt contengono un linguaggio associato alle donne. Lo studio ha messo alla prova GPT-
AI.info Team ·
Quattro sistemi di IA ampiamente utilizzati hanno prodotto testi professionali meno complessi e meno formali quando i ricercatori hanno fornito loro prompt contenenti un linguaggio associato alle donne, secondo uno studio della Johns Hopkins University pubblicato il 21 settembre 2026.
I ricercatori hanno messo alla prova GPT-4, Llama, Gemma e Mistral con prompt per email, candidature e lettere di dimissioni. I prompt contenenti un linguaggio associato agli uomini hanno generato risposte più lunghe, complesse e formali in tutti i sistemi, e la differenza è rimasta anche dopo che il gruppo ha tenuto conto del tono apparente di chi scriveva.
Il risultato è importante perché la comunicazione professionale è uno degli usi più comuni dell’IA generativa. Un sistema che risponde in modo diverso a caratteristiche sottili del linguaggio di una persona potrebbe influire su come quella persona viene rappresentata a manager, colleghi o datori di lavoro.
Quattro modelli hanno risposto in modo diverso allo stesso tipo di richiesta
Lo studio è partito da prompt reali usati nei chatbot per la corrispondenza professionale. I ricercatori hanno poi aggiunto caratteristiche linguistiche che studi precedenti associano più spesso al modo di parlare delle donne, tra cui formule dubitative come «forse» e «penso», espressioni collettive come «noi» e «il nostro team» e aggettivi espressivi come «incantevole» e «meraviglioso».
Quando i prompt includevano queste caratteristiche, i messaggi risultanti erano sistematicamente meno sofisticati e meno formali. Il linguaggio associato agli uomini ha prodotto risposte più lunghe e complesse. Johns Hopkins ha descritto la differenza come uno schema comune a tutti i modelli sottoposti alla prova, anziché come un comportamento isolato di un singolo chatbot.
Un esempio riportato nello studio riguardava la risposta a un’email di ringraziamento. Il prompt con connotazioni maschili ha prodotto una risposta formale che iniziava con «Le scrivo per rispondere alla sua recente email in cui esprimeva la sua gratitudine», mentre la versione con connotazioni femminili iniziava con «Siamo stati assolutamente felici di ricevere poco fa la sua email, così meravigliosamente riconoscente». Il secondo messaggio usava un linguaggio più entusiastico e collettivo, ma secondo i criteri dello studio è stato giudicato meno sofisticato.
Anjalie Field afferma che il risultato può influire sulla percezione di chi scrive
«Se chiedi a un modello di scrivere un’email che invierai a qualcun altro nella tua azienda e usi caratteristiche linguistiche più comuni tra le donne, otterrai una risposta meno complessa, a un livello scolastico più basso e meno formale», ha dichiarato Anjalie Field, informatica della Johns Hopkins e autrice senior dello studio.
«Questo influirà sulla percezione che il destinatario del documento ha di te», ha affermato Field. La sua ricerca si concentra sull’elaborazione del linguaggio naturale, sulle scienze sociali computazionali e sull’etica dell’IA, secondo il suo profilo docenti della Johns Hopkins.
Katherine Van Koevering, autrice principale dello studio, ha detto che i ricercatori volevano verificare se i modelli avrebbero individuato le differenze documentate tra il linguaggio di uomini e donne e avrebbero poi risposto in modo diverso. «Nell’inglese americano, uomini e donne parlano in modo diverso», ha detto Van Koevering nel resoconto della Johns Hopkins. «La nostra idea era: se inseriamo queste caratteristiche in un modello, le rileverà e risponderà in modo diverso?»
I nomi non hanno prevalso sul segnale linguistico
I ricercatori hanno anche verificato se un nome tradizionalmente maschile o femminile avrebbe cambiato la risposta. Secondo il resoconto dell’esperimento riportato nello studio, il nome non ha avuto praticamente alcun effetto.
Van Koevering ha detto che il gruppo si aspettava che un nome maschile potesse prevalere su un’espressione associata alle donne nel prompt. Invece, ha detto, il sistema ha prodotto lo stesso tipo di risposta e si è limitato a inserire il nome alla fine.
Questo risultato sposta l’attenzione dalle etichette identitarie più evidenti alle normali scelte linguistiche. Le persone potrebbero non sapere che le formule dubitative, le espressioni collettive o il linguaggio espressivo influenzano un sistema di IA, e può essere difficile modificare queste abitudini senza cambiare il modo in cui una persona comunica spontaneamente.
I ricercatori vogliono esaminare altri schemi demografici
Van Koevering ha detto che non dovrebbe spettare agli utenti riscrivere il proprio linguaggio per assecondare un modello. «Per le persone è difficile controllare il linguaggio», ha detto. «Sono le aziende a dover correggere i modelli, invece di scaricare tutto il peso sugli utenti».
Il lavoro sarà presentato alla Conference on Language Modeling a San Francisco dal 6 al 9 ottobre 2026. Il gruppo della Johns Hopkins intende verificare se effetti simili si riscontrano in relazione a età, razza ed etnia, e se l’uso ripetuto dell’IA porta le persone ad adattare il proprio stile comunicativo al linguaggio premiato dai sistemi.